人工智能賦能車險人傷理賠思考

章小兵 中國平安財產(chǎn)保險股份有限公司宣城中心支公司

侯立勝 中國平安財產(chǎn)保險股份有限公司安徽分公司

一、引言

近年來我國保險行業(yè)發(fā)展頗為迅猛。2017年我國原保險保費收入36581.01億元，同比增長18.16%，其中產(chǎn)險公司原保費收入10541.38億元，同比增長13.76%（數(shù)據(jù)來自原中國保監(jiān)會網(wǎng)站《2017年保險統(tǒng)計數(shù)據(jù)報告》）。在保費增長背后，保險行業(yè)在銷售、承保、理賠等環(huán)節(jié)，仍存在諸多痛點需要從業(yè)者去探索、解決。換一個角度看，正是這些痛點的存在，為保險行業(yè)的發(fā)展造就了新機遇。在移動互聯(lián)、大數(shù)據(jù)、人工智能等時代背景下，用戶的行為、習慣、需求等正因勢而變。從一個保單生命周期看，投保、核賠、理賠等環(huán)節(jié)都與大數(shù)據(jù)和人工智能不可分割，理賠又或許是最切合人工智能場景的，保險公司能否順勢而變、順勢而為，或成為未來成功的關(guān)鍵。

尤其是車險人傷理賠，因人傷案件存在周期長、賠償影響因素多、涉及面廣、知識面廣、多種法律關(guān)系并存、法律法規(guī)不健全等特點，傳統(tǒng)都是依賴專業(yè)的醫(yī)療理賠人員人工作業(yè)，低效低產(chǎn)問題尤為突出。因此，筆者認為，車險人傷理賠必須順勢而為，基于人工智能技術(shù)手段盡可能減少車險人傷理賠的人工干預(yù)，驅(qū)動自動化、智能化操作，提升效能，進而增加保險公司營收。

二、什么是人工智能

人工智能是計算機科學的一個分支，是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學（來自百度百科）。

人工智能研究過程中，涉及到認知科學、數(shù)學、神經(jīng)生理學、心理學、計算機科學等多個學科，按技術(shù)分類主要有基礎(chǔ)技術(shù)、支柱技術(shù)和應(yīng)用技術(shù)三類。基礎(chǔ)技術(shù)領(lǐng)域主要是搜索技術(shù)、知識表示和知識利用技術(shù)、抽象和歸納技術(shù)、推理技術(shù)、聯(lián)想技術(shù)；支柱技術(shù)領(lǐng)域主要是不確定信息梳理的模糊邏輯，非線性信息處理的神經(jīng)網(wǎng)絡(luò)，最優(yōu)化信息處理的遺傳算法；應(yīng)用技術(shù)領(lǐng)域主要是專家系統(tǒng)、機器學習、分布式人工智能、模式識別、自然語言處理技術(shù)和計算機視覺。

人工智能概念自1956年“達特茅斯會議”首次正式提出，歷經(jīng)60余年的探索研究，其三大核心技術(shù)發(fā)展迅猛、日趨成熟，并不斷被運用到各種領(lǐng)域。搜索引擎基于用戶請求給出的網(wǎng)頁排名，購物網(wǎng)站基于用戶瀏覽數(shù)據(jù)給出的商品推薦，如百度的小度、微軟的小娜、安卓的靈犀、平安的小安等，都是低級別人工智能在實際生活場景中的運用。2017年10月AlphaGo Zero的出世更使人工智能的曝光度達到了頂峰，向世人昭示“未來已來”。

三、人工智能已“侵入”保險行業(yè)

事實上，海外保險市場上人工智能的商業(yè)化運用案例已屢見不鮮。美國保險科技公司Lemonade運用智能機器人幫助客戶自助投保，并基于客戶需求差異化定制保險方案。美國互聯(lián)網(wǎng)經(jīng)紀公司Insurify運用人工智能技術(shù)模擬保險代理人，基于客戶反饋的照片、語言等信息，出具適合客戶需求的保險方案和報價。日本富國生命保險公司引入IBM Watson Explorer替代員工，負責信息收集、讀取、核對，執(zhí)行保險索賠類分析工作。Carpe Data搭建直銷平臺，獲取社交媒體數(shù)據(jù)，構(gòu)建定價和反欺詐模型，進而有效評估承保前、承保中和承保后的潛在風險。Audatex通過客戶反饋的圖片信息，運用人工智能技術(shù)判定損失部位和損失程度，從而實現(xiàn)車輛自動定損。

同樣，人工智能在國內(nèi)非人傷保險理賠領(lǐng)域也開始有所涉足。中國作為全球第二的萬億級保險市場，車險在產(chǎn)險公司的業(yè)務(wù)占比超過70%（俞斌，2018），規(guī)模可觀。且“萬眾創(chuàng)新”已成為新態(tài)勢，資本市場、保險主體、科技公司都在積極主動思考、謀劃人工智能在保險行業(yè)的運用。2017年6月，螞蟻金服推出智能定損產(chǎn)品“定損寶”，運用人工智能深度學習圖像識別檢測技術(shù)，能夠在幾秒鐘內(nèi)給出包括受損部件、維修方案、價格及出險后對來年保費影響的評估結(jié)果。2017年9月，中國平安集團旗下金融科技公司金融壹賬通推出“智能閃賠”，實現(xiàn)高精度圖片識別、一鍵秒級定損、自動精準定價和智能風險攔截。

四、人工智能可以賦能人傷理賠

1.政策紅利驅(qū)動人工智能發(fā)展

從2015年5月19日國務(wù)院發(fā)布《中國制造2025》（國發(fā)〔2015〕28號），到2017年7月8日國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》（國發(fā)〔2017〕35號）；從2016年5月18日國家發(fā)改委、科技部、工信部、網(wǎng)信辦聯(lián)合下發(fā)《關(guān)于印發(fā)〈“互聯(lián)網(wǎng)+”人工智能三年行動實施方案〉的通知》（發(fā)改高技〔2016〕1078號），到2017年12月14日工信部下發(fā)《關(guān)于印發(fā)〈促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）〉的通知》（工信部科〔2017〕315號）；從《2017年政府工作報告》，到《2018年政府工作報告》，在政府報告、宏觀規(guī)劃及具體實施方案三個層面，均表明人工智能已進入政策紅利新階段，將有力推動其賦能人傷理賠進入發(fā)展快車道。

2.消費者科技化格局倒逼車險人傷理賠轉(zhuǎn)型

80后、90后、00后這一保險消費主力軍已然崛起，消費者格局正迅速地從“傳統(tǒng)主義者”變?yōu)椤翱萍贾髁x者”。據(jù)《中國互聯(lián)網(wǎng)發(fā)展報告2018》披露，截至2017年底，我國內(nèi)地網(wǎng)民數(shù)量達到7.72億人，普及率達55.8%。

3.人傷成本精細化管控亟需借勢人工智能

保險是“勞動密集”型服務(wù)行業(yè)，尤其是車險，盡管規(guī)模大、發(fā)展速度快，但整體盈利水平較低，大部分車險企業(yè)都處于虧損或贏虧邊緣狀態(tài)。其中，人傷理賠的人均產(chǎn)能不高的矛盾尤為突出，加之賠償標準每年15%左右的增幅，亟需借勢人工智能降成本、提效能。

4.車險的部分業(yè)務(wù)屬性是人工智能在保險業(yè)的運用落地的“溫床”

眾所周知，海量數(shù)據(jù)是人工智能基礎(chǔ)，車險業(yè)務(wù)標準化、信息化程度相對較高，使得業(yè)務(wù)數(shù)據(jù)得以沉淀，大量數(shù)據(jù)的積累對人工智能在行業(yè)內(nèi)運用是一個促進。其次，只要是有規(guī)則可循、能夠形成數(shù)據(jù)閉環(huán)的應(yīng)用場景都可以用人工智能替代，而中國保險行業(yè)就符合這個特征，或成為人工智能浪潮的另一個風口。在這個“風口”里，人工智能在車輛定損場景已經(jīng)涉足，人傷理賠場景幾乎空白，或成為“風口”中的風口。

5.政策紅利和行業(yè)“風口”的交集，勢必吸引資本為其插上“騰飛的翅膀”

一個人工智能項目，前期的數(shù)據(jù)集獲取、數(shù)據(jù)預(yù)處理、挖掘分析以及構(gòu)建模型，可能一兩周時間就可以完成，但在驗證模型完整性、正確性、效能等方面，將占用大量的資源，耗費巨大的成本。從近兩年資本市場資金流向看，投資保險行業(yè)的資金呈逐年增加態(tài)勢；從保險公司自身投入看，大型保險公司將走在前面，平安就明確對外公布，未來十年將投入1000億元用于科技研發(fā)。

6.人工智能在醫(yī)療領(lǐng)域的成效是賦能人傷理賠的助推器

在人傷理賠場景，針對傷情診斷、治療、預(yù)后等，很大程度依賴醫(yī)學專業(yè)知識，而醫(yī)學是一門靠歸納邏輯、經(jīng)驗學習、循證實踐的學科，人工智能已經(jīng)在這個行業(yè)發(fā)揮著重要作用，并延伸到了保險理賠領(lǐng)域，如IBM Watson Explorer。

五、人工智能如何賦能車險人傷理賠

就車險人傷理賠而言，基于案件發(fā)生發(fā)展的故事線可以分成四步：第一步判定真實性，即事故是真實發(fā)生還是擺放現(xiàn)場，抑或是“移花接木”；第二步判定事故性質(zhì)，即在確定事故真實發(fā)生的基礎(chǔ)上，進一步核實是否故意肇事、是否屬于保險責任、是否存在責任免除；第三步判定事故責任，即根據(jù)事故當事人的過錯程度判定應(yīng)承擔責任屬性和責任比例；第四步確定事故損失，即根據(jù)當事人損傷程度、傷情診斷、預(yù)后等情況，從真實性、合法性、合理性和關(guān)聯(lián)性四個方面，確定醫(yī)療費、誤工費、護理費等具體費用項目的具體金額。第一、第二步統(tǒng)稱為案件定性，可以歸屬到反欺詐范疇，目前國內(nèi)已經(jīng)有多家企業(yè)涉足并取得了一定成績。第三步主要依賴于交警部門，此處不做探討。本文僅聚焦人傷案件損失核定如何實現(xiàn)人工智能。

1.人傷理賠智能化的整體邏輯

數(shù)據(jù)和算法是人工智能的底層邏輯，數(shù)據(jù)是基礎(chǔ)，算法是驅(qū)動。因此，人傷案件損失核定智能化實現(xiàn)邏輯，可以簡單歸納成以下幾個方面。一是特定模塊的文本、圖像、視頻等數(shù)據(jù)集獲取智能化，如醫(yī)療費核定模塊。二是對已獲取數(shù)據(jù)運用算法的預(yù)處理和挖掘分析，并對數(shù)據(jù)進行必要的可視化，如多維標度分析。三是運用有監(jiān)督或無監(jiān)督學習探尋模塊中存在的規(guī)律，運用統(tǒng)計學方法分析規(guī)律的特征，歸納特征并構(gòu)造一個模型，然后為模型輸入海量的訓練集，基于機器學習讓其漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況，并與該領(lǐng)域?qū)＜夜餐炞C模型的可靠性。四是重復(fù)前面一到三，針對更多的模塊構(gòu)造盡量多的模型，再構(gòu)造“規(guī)則+機器學習”的混合模型，并進一步調(diào)參和優(yōu)化模型，最終實現(xiàn)人傷案件整體損失核定的智能化。

2.信息（數(shù)據(jù)集）獲取智能化

信息可以概括為兩類，一類是從人信息，如姓名、性別、年齡、賬戶、戶籍等；一類是從傷情信息，如診斷、手術(shù)術(shù)式、治療方式、誤工時間、傷殘等級等。在信息獲取領(lǐng)域，保險公司或科技公司已經(jīng)有深入研究和實例運用，如運用身份證識別技術(shù)、銀行卡識別技術(shù)，可以秒級獲取當事人姓名、性別、年齡及銀行賬戶信息，并且準確率幾乎達到100%；運用COR文字識別技術(shù)，識別病歷中的傷情診斷、治療信息，識別醫(yī)療費清單中的費用信息，準確率甚至可以達到98%以上（靳守恒，2018）。未來需要在已經(jīng)取得進展的基礎(chǔ)上進一步研究、完善、優(yōu)化，從而實現(xiàn)從人信息、從傷信息智能化全覆蓋，解放人工，提升效能。

3.損失程度判定智能化

基于深度學習的人體識別方案，準確識別圖像或視頻中的人體相關(guān)信息，進行人體檢測與追蹤、關(guān)鍵點定位、屬性分析，最終實現(xiàn)損傷程度判定。例如，人工智能投入運用后，針對淺表損傷，工作人員或者客戶本人只需要拍攝受傷部位照片；針對非淺表損傷，只需要提交影像資料或診斷報告，系統(tǒng)會自動識別、檢測、分析這些信息，同時根據(jù)海量診斷數(shù)據(jù)、賠案數(shù)據(jù)積累精準地給出損失程度判定，并智能引導(dǎo)至傷情智能報價環(huán)節(jié)。

4.傷情報價智能化

傳統(tǒng)的人傷案件理賠需要人工對醫(yī)療費、誤工費等十幾項費用進行審核，因此時效普遍長于車物案件。人工智能引入后，保險公司可以根據(jù)臨床路徑理念及我國現(xiàn)行的臨床路徑數(shù)據(jù)，在信息智能化獲取、損失智能化判定的基礎(chǔ)上，基于海量歷史賠案數(shù)據(jù)積累，同時考慮傷者性別、年齡、復(fù)合傷情況、案發(fā)城市、就診醫(yī)院、損傷參與度等因素，進一步實現(xiàn)傷情報價智能化。筆者在《基于傷情數(shù)據(jù)挖掘構(gòu)建“傷情路徑”管控人傷成本的思考》（《上海保險》2017年第10期）一文中已詳細闡述。

5.費用合理性評審智能化

如前文所述，相當一部分車險人傷案件尤其是涉及第三者人傷的案件，因患者的主導(dǎo)、醫(yī)院醫(yī)生等多方面原因，費用花費進展或不能完全受制于被保險人和保險公司，因此保險公司需要在理賠時評審其合理性，傳統(tǒng)的都是人工作業(yè)，低效且客戶體驗不佳。引入人工智能后，保險公司可以根據(jù)現(xiàn)行相關(guān)的59個法律法規(guī)、智能收集的數(shù)據(jù)集、智能判定的損失程度、《車險反欺詐代碼集》中明確的20種欺詐類型等因子，按照“人傷理賠智能化的整體邏輯”闡述方法步驟，構(gòu)建費用合理性評審模型，從而實現(xiàn)案件理算核賠智能化。以醫(yī)療費為例，“醫(yī)療費用合理性評審模型”的構(gòu)建，筆者在《借鑒“責任醫(yī)療組織”模式管控車險人傷醫(yī)療費之探析》（《上海保險》2018年第3期）一文中已詳細闡述。

六、人工智能賦能人傷理賠的意義、挑戰(zhàn)及展望

筆者從業(yè)12年來，車險人傷理賠的科技含量一直落后于車物理賠，人工智能的引入可以說是人傷理賠模式的顛覆性變革。人工智能通過模型封裝、植入的方式，初期或僅覆蓋一定比例案件，但基于人工智能深度機器學習技術(shù)，未來的覆蓋率勢必逐步逼近100%，實現(xiàn)理賠流程優(yōu)化，縮短理賠時效，提升客戶體驗；實現(xiàn)智慧運營，提升行業(yè)效率，大大降低人工誤差，規(guī)避人為干預(yù)的風險。

當然，人工智能賦能人傷理賠只能循序漸進，實現(xiàn)路徑上可能面臨層出不窮的挑戰(zhàn)。資本因素看，資本市場投入到理賠管理的額度占比很低，其中人傷理賠占比更低；數(shù)據(jù)因素看，保險科技公司在初創(chuàng)期缺乏數(shù)據(jù)支持，部分缺乏前瞻眼光的保險公司自身運行中數(shù)據(jù)問題也普遍存在；技術(shù)因素看，人工智能技術(shù)尚不完善，在保險領(lǐng)域運用處于初級階段；人才因素看，當前國內(nèi)同時精通保險和人工智能的人才可以說鳳毛麟角；道德倫理因素看，人工智能在大數(shù)據(jù)運用過程中會觸及個人隱私問題，同時產(chǎn)品個性化定制對疾病較多的老年弱勢群體不利，等等。諸多問題亟待從業(yè)者克難攻堅。

可以預(yù)見，未來十年、五年甚至更短時間，人工智能將會對車險業(yè)務(wù)的每一個場景產(chǎn)生全方位的影響，如定制化產(chǎn)品、個性化定價、人性化交互、精準的風險評估、貼切的用戶畫像、智能定損、欺詐防控等，保險公司之間的競爭也將是以人工智能技術(shù)運用為代表的科技運用水平的競爭。因此，保險主體必須從當下起順應(yīng)科技發(fā)展趨勢，基于公司整體戰(zhàn)略、資本實力、技術(shù)實力、人才儲備等因素制定自建模式或合作模式（俞斌，2018）的人工智能戰(zhàn)略計劃，從而借勢人工智能技術(shù)，實現(xiàn)客戶體驗、運營效能、經(jīng)營價值的騰飛。